Uso de datos de dispositivos wearables para detectar la gravedad de la depresión en muestras clínicas y no clínicas

Por qué tu pulsera de actividad podría revelar más que pasos

Mucha gente usa ahora relojes inteligentes o pulseras de actividad para contar pasos y monitorizar el sueño. Este estudio plantea una pregunta llamativa: ¿podrían esos mismos aparatos señalar de forma silenciosa cuando alguien podría estar sufriendo depresión, incluso antes de que busque ayuda? Al analizar los patrones cotidianos de frecuencia cardíaca, movimiento y sueño, los investigadores exploraron si los wearables de consumo podrían ayudar a detectar a personas con niveles más altos de síntomas depresivos tanto en estudiantes universitarios como en pacientes en tratamiento.

Dos grupos, un mismo dispositivo

Para poner a prueba la idea, el equipo combinó datos de dos grupos muy diferentes que llevaron la misma pulsera Garmin durante dos semanas. Un grupo estaba formado por estudiantes universitarios en los Países Bajos, la mayoría de los cuales no estaban en tratamiento por problemas de salud mental. El otro procedía de una clínica universitaria alemana, donde los pacientes recibían terapia por depresión diagnosticada. Todos completaron además un breve cuestionario estándar sobre el estado de ánimo, y los investigadores usaron las puntuaciones para clasificar a los participantes como “positivos en cribado para depresión” o “no positivos en cribado”. Esta configuración les permitió ver si las señales de los wearables podían distinguir entre personas con niveles más altos y más bajos de síntomas en entornos cotidianos y clínicos.

Convertir los ritmos diarios en señales

Las pulseras registraron características básicas que muchos rastreadores de actividad miden: cuántos pasos daba cada persona por día, cuánto dormía, cuándo se acostaba y se levantaba, y cómo se comportaba la frecuencia cardíaca durante el día y la noche. En lugar de centrarse en días aislados, el equipo resumió dos semanas de datos por persona, capturando no solo promedios sino también cuánto variaban estos patrones de un día a otro. Luego emplearon un tipo de modelo estadístico común en aprendizaje automático, diseñado para manejar muchos predictores relacionados a la vez, para ver si una combinación de estas características podía clasificar correctamente quién resultaba positivo en el cribado de mayor gravedad depresiva.

Lo que revelaron los wearables

Entre los 282 participantes, el modelo mostró un buen rendimiento: en los datos de prueba reservados, distinguió correctamente entre grupos de mayor y menor síntomatología en aproximadamente cuatro de cada cinco casos. Sobresalieron tres tipos de señales. Las personas con sueño más irregular —mayores variaciones en la duración del sueño cada noche— tendían a estar en el grupo de más síntomas. Aquellos que alcanzaban recuentos máximos de pasos más bajos en sus días más activos también solían mostrar síntomas más severos, en consonancia con trabajos previos que vinculan la depresión con menor actividad física. Por último, los individuos cuyo ritmo cardíaco diurno mínimo era especialmente bajo tenían más probabilidad de pertenecer al grupo de mayor sintomatología, lo que sugiere cambios en la activación corporal o la energía que pueden acompañar a la depresión.

Más allá de quién eres, hacia cómo vives

Los investigadores también comprobaron cuánto de la predicción provino simplemente de saber a qué grupo pertenecía una persona —estudiante o paciente de clínica—. Pertenecer a uno u otro grupo en sí mismo fue una pista potente, ya que la muestra ambulatoria tenía, de media, puntuaciones de depresión mucho más altas que la muestra estudiantil. Sin embargo, cuando se añadieron las características de los wearables a modelos que ya conocían el grupo de la persona, el rendimiento general mejoró. En otras palabras, cómo dormía alguien, se movía y cómo se comportaba su corazón aportó información adicional más allá de factores contextuales básicos. Análisis posteriores que ajustaron por edad, hora de acostarse o umbrales ligeramente distintos en el cuestionario del estado de ánimo mostraron resultados similares, aunque las señales más importantes se desplazaron algo hacia la hora de dormir y los patrones de frecuencia cardíaca en reposo.

Promesa con advertencias importantes

Aunque los hallazgos son alentadores, los autores subrayan que los datos de los wearables actuales no constituyen una herramienta diagnóstica independiente. Muchos participantes, especialmente en el grupo clínico, tuvieron que ser excluidos porque sus dispositivos no proporcionaron suficientes datos, y la muestra final contrastaba principalmente a personas con depresión clara frente a estudiantes mayoritariamente sanos. Eso significa que el modelo está menos probado para detectar cambios sutiles o tempranos en el estado de ánimo. Las diferencias de edad, el estrés académico y otras circunstancias vitales entre los grupos también pueden haber influido en los patrones. El trabajo muestra que los ritmos cotidianos captados por aparatos comunes pueden reflejar aspectos relevantes de la salud mental, pero un uso fiable en el mundo real requerirá estudios más amplios y diversos.

Qué significa esto para la vida cotidiana

Para un lector no experto, la conclusión principal es que los cambios en la regularidad del sueño, la actividad y el “estado de reposo” corporal dejan huellas medibles que los relojes inteligentes pueden detectar. En este estudio, esas huellas ayudaron a identificar a personas con niveles más altos de síntomas depresivos tanto en poblaciones estudiantiles como clínicas. En el futuro, métodos similares podrían respaldar sistemas de alerta temprana que avisen a las personas o a los clínicos cuando los patrones comiencen a parecerse a los asociados con la depresión, orientando conversaciones o revisiones oportunas. Por ahora, el mensaje es esperanzador pero cauteloso: tu pulsera de actividad empieza a percibir indicios de tu salud mental, pero aún no está preparada para sustituir a un profesional formado —ni a tu propia voz a la hora de pedir ayuda.

Cita: Hehlmann, M.I., Tutunji, R., Lutz, W. et al. Using wearable data to detect depression severity across clinical and non-clinical samples. Sci Rep 16, 11380 (2026). https://doi.org/10.1038/s41598-026-47177-3

Palabras clave: dispositivos wearables, detección de la depresión, patrones de sueño y actividad, salud mental digital, sensado pasivo